@karpathy 将“autoresearch”项目打包成一个新的独立 mi…

我把"autoresearch"项目打包成了一个全新的自包含最小化仓库，方便大家周末尝试。它本质上是将 nanochat LLM 训练核心精简为单 GPU、单文件版本，约 630 行代码，然后：

• 人类迭代 prompt（.md 文件）
• AI agent 迭代训练代码（.py 文件）

目标是设计你的 agent，使其能以最快速度无限推进研究进展，且无需你亲自参与。图中每个点都是一次完整的 LLM 训练运行，每次恰好 5 分钟。Agent 在 git 功能分支上自主循环工作，当它找到更好的设置（即最终验证损失更低）时，会不断向训练脚本提交 git commit，这些设置涉及神经网络架构、优化器、所有超参数等。你可以想象比较不同 prompt、不同 agent 的研究进展。

https://t.co/YCvOwwjOzF 一半代码，一半科幻，再加一点疯狂 :)

（我还有一个更大的版本在生产环境的 nanochat 上运行，处理更大的模型，使用 8XH100，目前状态如图。我会让它继续运行一段时间...）https://t.co/aWya9hpUMl